🔷 ابزار pip در زبان پایتون چیست؟
✅ برنامه pip یک پکیج منیجر برای زبان پایتون است که به وسیله آن می توانید تمامی کتابخانه ها و فریمورک های موجود در حال حاضر را نصب کنید. pip روی سیستم عامل شما نصب می شود و فقط کافیست که در محیط cmd دستور pip install youLibrary را تایپ کنید (به جای yourLibrary نام کتابخانه ای که قصد نصب آن را دارید بگذارید) تا برای شما کتابخانه مورد نظر نصب شود.
@py_programing
✅ برنامه pip یک پکیج منیجر برای زبان پایتون است که به وسیله آن می توانید تمامی کتابخانه ها و فریمورک های موجود در حال حاضر را نصب کنید. pip روی سیستم عامل شما نصب می شود و فقط کافیست که در محیط cmd دستور pip install youLibrary را تایپ کنید (به جای yourLibrary نام کتابخانه ای که قصد نصب آن را دارید بگذارید) تا برای شما کتابخانه مورد نظر نصب شود.
@py_programing
🔷 درباره ی scikit-learn چه میدانید؟
✅ اگر علاقهمندید بعد از یادگیری پایتون وارد حوزه یادگیری ماشین یا ماشین لرنینگ شوید، بهتر است کتابخانه scikit-learn در صدر لیست یادگیریتان باشد. کتابخانه scikit-learn مجموعهای از اطلاعات آزمایشی و نمونه هم دارد که میتوانید در برنامهنویسی پایتون از این اطلاعات استفاده کنید. یعنی اگر تازه کار هستید و میخواهید کمی در ماشین لرنینگ تجربه کسب کنید، دیتای آماده در دسترس شماست.
حالا میتوانید با محاسبه میانگین مقادیر با استفاده از کتابخانه NumPy یا ساخت نمودار با matplotlib اطلاعات را تجزیه و تحلیل کنید. حتی میتوانید آرایههای X و Y را با DataFrame از کتابخانه پاندا دستکاری کرده تا در زمینه دستکاری اطلاعات هم تجربه داشته باشید.
پیشنهاد میکنم با استفاده از کتابخانه scikit-learn اطلاعات را بهصورت خوشهای تجزیه و تحلیل کنید. اگر بتوانید این فرایند را بهصورت مستمر و مدیریت شده پیش ببرید عملا شما قدم در راه استادی ماشین لرنینگ گذاشته اید.
@py_programing
✅ اگر علاقهمندید بعد از یادگیری پایتون وارد حوزه یادگیری ماشین یا ماشین لرنینگ شوید، بهتر است کتابخانه scikit-learn در صدر لیست یادگیریتان باشد. کتابخانه scikit-learn مجموعهای از اطلاعات آزمایشی و نمونه هم دارد که میتوانید در برنامهنویسی پایتون از این اطلاعات استفاده کنید. یعنی اگر تازه کار هستید و میخواهید کمی در ماشین لرنینگ تجربه کسب کنید، دیتای آماده در دسترس شماست.
حالا میتوانید با محاسبه میانگین مقادیر با استفاده از کتابخانه NumPy یا ساخت نمودار با matplotlib اطلاعات را تجزیه و تحلیل کنید. حتی میتوانید آرایههای X و Y را با DataFrame از کتابخانه پاندا دستکاری کرده تا در زمینه دستکاری اطلاعات هم تجربه داشته باشید.
پیشنهاد میکنم با استفاده از کتابخانه scikit-learn اطلاعات را بهصورت خوشهای تجزیه و تحلیل کنید. اگر بتوانید این فرایند را بهصورت مستمر و مدیریت شده پیش ببرید عملا شما قدم در راه استادی ماشین لرنینگ گذاشته اید.
@py_programing